Un estudio experimental sobre el reconocimiento del sonido de las pisadas como biométrico en condiciones ruidosas
Barra lateral del artículo
Contenido principal del artículo
Resumen
La experimentación de las pisadas como biométrico tiene una breve historia de unas dos décadas. El proceso de identificación de una persona se basa en el estudio de las señales de pisadas capturadas al caminar sobre un área de detección y el registro de sonidos, presión, vibración o una combinación de estas medidas. La aplicación de esta biometría puede surgir en los sistemas de seguridad, que identifican a las personas que entran o salen de un espacio, y en la prestación de ayuda a las personas mayores y discapacitadas. En este artículo, nos centramos en la exploración de señales de audio puras de pasos y la solidez de la clasificación de una persona en condiciones ruidosas. Presentamos una comparación entre cuatro clasificadores conocidos y tres tipos de ruido, aplicados a diferentes relaciones señal / ruido. Los resultados se informan en términos de precisión en la detección de los usuarios, mostrando diferentes niveles de sensibilidad según el tipo y nivel de ruido.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Citas
Rodríguez, Rubén Vera, et al. “Footstep recognition for a smart home environment.” International Journal of Smart Home 2.2 (2008): 95-110.
Pedotti, Antonio. “Simple equipment used in clinical practice for evaluation of locomotion.” IEEE Transactions on Biomedical Engineering 5 (1977): 456-461.
Addlesee, Michael D., et al. “The ORL active floor [sensor system].” IEEE Personal Communications 4.5 (1997): 35-41.
Rodriguez, Ruben Vera, Nicholas WD Evans, and John SD Mason. “Footstep recognition. ”Encyclopedia of Biometrics; Li, SZ, Jain, AK, Eds.; Springer: Boston, MA, USA (2015): 693-700.
Rodríguez, Rubén Vera, et al. “An experimental study on the feasibility of footsteps as a biometric.” 2007 15th European Signal Processing Conference. IEEE, 2007.
Vera-Rodríguez, Rubén, et al. “Analysis of time domain information for footstep recognition.” International Symposium on Visual Computing. Springer, Berlin, Heidelberg, 2010.
Mason, James Eric, Issa Traoré, and Isaac Woungang. “Gait Biometric Recognition.” Machine Learning Techniques for Gait Biometric Recognition. Springer, Cham, 2016. 9-35.
Connor, Patrick, and Arun Ross. “Biometric recognition by gait: A survey of modalities and features.” Computer Vision and Image Understanding 167 (2018): 1-27.
Vera-Rodríguez, Rubén, et al. “A large scale footstep database for biometric studies created using crossbiometrics for labelling.” 2008 10th International Conference on Control, Automation, Robotics and Vision. IEEE, 2008.
Shoji, Yasuhiro, Takashi Takasuka, and Hiroshi Yasukawa. “Personal identification using footstep detection.” Proceedings of 2004 International Symposium on Intel- ligent Signal Processing and Communication Systems, 2004. ISPACS 2004. IEEE, 2004.
Hori, Yuki, Takahiro Ando, and Akira Fukuda. “Personal Identification Methods Using Footsteps of One Step.” 2020 International Conference on Artificial Intelligence in Information and Communication (ICAIIC). IEEE, 2020.
Giannakopoulos, Theodoros. “pyaudioanalysis: An open-source python library for audio signal analysis.” PloS one 10.12 (2015): e0144610.